A.艾拓先锋ITIL CHINA

AI原生运维工作台应该具备哪些核心能力

在课堂上演示运维团队和个人工作台时,我反复说明它还只是一个验证环境,有些功能没有完全调通,也有界面问题。演示的价值不在于证明某个产品已经成熟,而是让大家看见一种可能:AI不是藏在单独的聊天页面里回答问题,它可以进入每天的任务、告警、工单、知识和基础设施管理,成为工程师工作的统一入口。


所谓AI原生,不是页面上多一个“智能分析”按钮。一个工作台如果平时仍要求工程师人工找数据、复制日志、切换系统,最后只让模型写一段总结,它依然是传统平台。AI原生工作台应当从设计开始就允许智能体理解对象、取得上下文、调用工具、推进流程,同时在关键节点接受人的授权和检查。



第一层是工作与责任的可视化


运维团队每天既有计划任务,也有突然出现的事件。主管关心团队有哪些工作逾期,员工关心自己今天必须完成什么,项目任务还要继续拆分到个人。工作台需要把团队任务、个人任务、工单和日程放到同一视野中,并保持它们之间的关联。这样AI才能判断某位工程师是否已经超负荷,某个严重事件是否需要重新分派,而不是只根据一个静态通讯录找人。


可视化不能只展示数量。一个“待处理事件12个”的数字,不能告诉团队下一步做什么。更有用的信息包括优先级、业务影响、承诺时限、当前责任人、阻塞原因和建议动作。智能体可以帮助归纳状态,但原始证据和流程节点仍要能够打开检查。



第二层是服务与资源的健康状态


工作台要让工程师看到服务器、数据库、应用、容器集群和业务服务是否健康。这里不能停留在CPU、内存和磁盘的技术指标。AI要把底层资源与上层服务关联起来,说明一个异常可能影响哪些业务,以及当前是否存在冗余。没有配置关系,红色告警只是红色告警;有了关系,团队才能决定它是否需要立即升级为事件。


监控数据还要与维护窗口、告警策略和自动处置规则结合。计划中的变更窗口内,某些告警应该被抑制;严重告警可以自动创建事件,普通告警则要求责任人确认。AI可以帮助识别异常模式,但告警等级和升级规则必须有清楚的管理策略,不能让模型临时决定什么算严重。



1793410383829115.png


第三层是工单全生命周期


事件、问题、变更和服务请求不应只是另一个系统的链接。工作台要展示工单从创建、分派、处理、确认到关闭的状态,并允许AI在授权范围内推进。比如,智能体完成初步诊断后自动填写事件描述,关联配置项和证据;工程师在聊天中认领后,工单同步更新;处理完成后,AI检查监控并向用户确认,再完成关闭。


这里要防止“自动建单”变成新的噪声来源。相同告警要合并,短暂波动要经过观察,业务调度造成的资源高峰不能全部生成事件。工作台应保存AI判断的依据和置信度,并提供人工确认与纠错入口。只有纠错能够回到规则、知识和评测中,系统才会逐步变好。



第四层是知识、脚本和技能


运维知识不仅是给人阅读的文章,还包括诊断命令、恢复脚本、操作规程、配置模板和测试用例。AI原生工作台要让这些能力可检索、可调用、可授权。智能体发现Web服务异常后,可以先查阅适用版本的操作规程,再调用只读脚本诊断;需要重启或者修改配置时,再按照风险策略请求批准。


脚本和技能必须有版本、负责人、适用对象和验证状态。从互联网上导入一个技能并不等于可以在生产环境执行。团队要知道它读取什么、修改什么、失败时有什么后果。计划任务也要受到同样管理,不能因为自动运行就脱离变更和审计。



第五层是人机协作控制


工作台要清楚表示当前动作由谁提出、谁批准、谁执行。AI可以自动完成低风险任务,高风险动作必须暂停并给出证据。工程师接管时,应当看到智能体已经检查过什么、得到什么结论,而不是面对一句“处理失败”。操作日志、工具调用、参数和返回结果需要完整保留。


一个真正有用的工作台,也应允许团队逐步放权。开始时AI只做分析和建议,稳定后开放建单和只读查询,再开放可回退的标准操作。每次扩大权限前,用真实案例和故障演练验证。自动化程度不是越高越好,适合当前数据质量、流程成熟度和风险承受能力才重要。



第六层是持续评测与运营


智能体上线不是项目结束。工作台需要保存建议被采纳还是被拒绝、自动动作是否成功、人工在哪一步接管、用户是否确认恢复。团队可以从这些记录中建立评测集,把高频场景、严重故障和曾经判断错误的案例持续回放。模型、知识库或工具发生变化后,应先在评测环境中运行,再决定是否进入生产。


运营指标也不能只看AI调用次数。调用很多可能意味着流程频繁失败,自动关闭率很高也可能是确认机制过于宽松。更有意义的是诊断时间是否缩短、重复事件是否减少、错误分派是否下降、人工接管是否集中在合理的高风险场景。指标要解释服务表现,不要变成展示AI存在感的装饰。

工作台本身还要纳入配置和变更管理。提示词、知识索引、脚本版本、工具连接和权限策略都会影响生产结果。谁修改了哪一项、何时生效、如何验证、怎样回退,都应留下记录。AI平台不是管理制度之外的试验品;当它开始参与正式运维,它自己也必须接受正式运维。


AI原生运维工作台最终解决的,不是“把所有页面放在一起”,而是让工作、服务状态、流程、知识和执行能力在一个上下文中连接。工程师打开工作台,应该能回答现在发生了什么、影响谁、下一步做什么、谁负责、AI能做到哪一步。能持续回答这几个问题,平台才真正进入了日常运维,而不只是一次漂亮的AI演示。


← 返回ITIL 5 长河原创文章